超图简述

1. Hypergraph Models for Cellular Mobile Communication Systems
   用于蜂窝移动通信系统的超图模型
   摘 要：迄今为止，为了分配信道，蜂窝系统主要由图形建模。然而，就系统承载的总流量而言，蜂窝系统的超图建模与图形建模相比，有显着优势。例如，我们将证明，当由超图建模时，37个小区的系统流量比图形建模时多30％。我们研究了由超图模拟的信道化蜂窝系统的性能，并与图形建模的系统进行了比较。 为此，我们评估了[3]中定义的这些蜂窝网络的容量。对容量的评估需要生成最大的独立超图集。为此我们开发了一些新算法。

2. Hypergraph-Partitioning-Based Decomposition for Parallel Sparse-Matrix Vector Multiplication
   基于超图分区的并行稀疏矩阵向量乘法分解
   摘 要：在这项工作中，我们表明稀疏矩阵的基于图分区的标准分解不能反映并行矩阵乘法的实际通信量要求。我们提出了两个计算超图模型，避免了图模型的这一重要缺陷。所提出的模型将解决了超图分割问题。最近提出的成功的多级框架被用于开发多级超图分区工具PaToH，用于我们提出的超图模型的实验验证。在各种实际稀疏测试矩阵上的实验结果证实了所提出的超图模型的有效性。在测试矩阵的分解中，使用PaToH和hMeTiS的超图模型比使用MeTiS的图模型减少了高达63％的通信量（平均减少30％到38％），而PaToH仅比使用MeTiS的图形模型平均慢1.3倍。

3. An Effective Algorithm for Multiway Hypergraph Partitioning
   一种有效的多路超图分区算法
   摘 要：在本文中，我们提出了一种有效的多路超图分割算法。我们介绍了net_gain的概念，并将其嵌入到小区移动的选择中。与传统的基于FM的迭代改进算法不同，其中下一个要移动的小区的选择仅基于其cell_gain，我们的算法选择小区是基于其cell_gain和所有入射到该单元的小区net_gains总和。为了摆脱局部最优并寻找更广泛的解空间，我们提出了一种新的扰动机制。这两种策略